99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁精彩閱讀R中的正則表達式及字符處理函數(shù)總結
R中的正則表達式及字符處理函數(shù)總結
2017-06-27
收藏

R中的正則表達式及字符處理函數(shù)總結

我們日常生活中接觸到的大部分數(shù)據(jù)都是以文本的形式存在。如何高效地處理文本數(shù)據(jù),將看似雜亂無章的數(shù)據(jù)整理成可以進行統(tǒng)計分析的規(guī)則數(shù)據(jù),是『數(shù)據(jù)玩家』必備的一項重要技能。

今天,我們要學習的『正則表達式』和『字符處理函數(shù)』將助你成為點石成金的數(shù)據(jù)魔法師。

正則表達式

在進行爬蟲任務的時候,部分情況下,我們可以使用Xpath來提取我們需要的網(wǎng)頁信息。但是,當我們需要的數(shù)據(jù)以一定的規(guī)則隱藏在一段文字中時,就不可避免地要使用到正則表達式。

正則表達式是對字符串類型數(shù)據(jù)進行匹配判斷,提取等操作的一套邏輯公式。

處理字符串類型數(shù)據(jù)方面,高效的工具有Perl和Python。如果我們只是偶爾接觸文本處理任務,則學習Perl無疑成本太高;如果常用Python,則可以利用成熟的正則表達式模塊:re庫;如果常用R,則使用Hadley大神開發(fā)的stringr包則已經(jīng)能夠游刃有余。

下面,我們先簡要介紹重要并通用的正則表達式規(guī)則。接著,總結一下stringr包中重要的字符處理函數(shù)。

如果有時間,我將后續(xù)補充一個綜合的使用案例。

元字符

正則表達式中,有12個字符被保留用作特殊用途。他們分別是:

[ ] \ ^$. | ? * + ( )

它們的作用如下:

   [ ]:括號內的任意字符將被匹配;
    \:具有兩個作用:
        1.對元字符進行轉義
        2.一些以\開頭的特殊序列表達了一些字符串組
    ^:匹配字符串的開始.將^置于character class的首位表達的意思是取反義。如[^5]表示匹配除了”5”以外的任何字符。
    $:匹配字符串的結束。但將它置于character class內則消除了它的特殊含義。如[akm$]將匹配’a’,’k’,’m’或者’$’.
    .:匹配除換行符以外的任意字符。
    |:或者
    ?:前面的字符(組)最多被匹配一次
    *:前面的字符(組)將被匹配零次或多次
    +:前面的字符(組)將被匹配一次或多次
    ( ):表示一個字符組,括號內的字符串將作為一個整體被匹配。
重復

 轉義

如果我們想查找元字符本身,如”?”和”*“,我們需要提前告訴編譯系統(tǒng),取消這些字符的特殊含義。這個時候,就需要用到轉義字符\,即使用\?和\*.當然,如果我們要找的是\,則使用\\進行匹配。

注:R中的轉義字符則是雙斜杠:\\

R中預定義的字符組

代表字符組的特殊符號

stringr包中的重要函數(shù)

可見,stringr包中的字符處理函數(shù)更豐富和完整(其實還有更多函數(shù)),并且更容易記憶。或許速度也會更快。
其他相關的重要函數(shù)

windows下處理字符串類型數(shù)據(jù)最頭疼的無疑是編碼問題了。這里介紹幾個編碼轉換相關的函數(shù)。

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師考試動態(tài)
數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調用 initGeetest 進行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調,回調的第一個參數(shù)驗證碼對象,之后可以使用它調用相應的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }